batchsize過小：每次計算的梯度不穩定，引起訓練的震盪比較大，很難收斂。
batchsize過大：
（1）提高了內存利用率，大矩陣乘法並行計算效率提高。
（2）計算的梯度方向比較準，引起的訓練的震盪比較小。
（3）跑完一次epoch所需要的迭代次數變小，相同數據量的數據處理速度加快。
缺點：容易內容溢出，想要達到相同精度，epoch會越來越大，容易陷入局部最優，泛化性能差。
batchsize設置：通常10到100，一般設置爲2的n次方。
原因：計算機的gpu和cpu的memory都是2進制方式存儲的，設置2的n次方可以加快計算速度。